该帮助的版本不再更新，请参见https://www.jmp.com/support/help/zh-cn/15.2 获取最新的版本.


预测和专业建模 • 时间序列分析 • “时间序列”平台的统计详细信息 • 平滑模型的统计详细信息
上一个
 • 
下一个
平滑模型的统计详细信息
按以下方式定义平滑模型：
其中
μt 是时变均值项
βt 是时变斜率项
s(t) 是 s 时变季节性项中的一项
at 是随机扰动项
没有趋势的模型具有 βt = 0，非季节性模型具有 s(t) = 0。按以下方式定义这些时变项的估计量：
Lt 是估计 μt 的平滑水平
Tt 是估计 βt 的平滑趋势
St - j（j = 0, 1,..., s - 1）是 s(t) 的估计值
每个平滑模型定义一组递归平滑方程，用于描述这些估计量的变化过程。平滑方程是由被称为平滑权重的模型参数定义的：
α 是水平平滑权重
γ 是趋势平滑权重
ϕ 是趋势阻尼权重
δ 是季节性平滑权重
当这些参数以不同方式进入每个模型（或根本不进入模型）时，它们具有共同的性质，即较大的权重对于最近数据有更大的影响，而较小的权重对最近数据有更小的影响。
简单指数平滑
简单指数平滑的模型为 yt = μt + αt。
根据单个平滑权重 α 来定义平滑方程 Lt = αyt + (1 – α)Lt-1。 该模型等价于满足以下条件的 ARIMA(0, 1, 1) 模型：
其中，
模型的移动平均形式定义如下：
双 (Brown) 指数平滑模型
双指数平滑模型为 yt = μt + β1t + at。
具有单个平滑权重 α 的平滑方程定义如下：
该模型等价于满足以下条件的 ARIMA(0, 1, 1)(0, 1, 1)1 模型：
，其中 且
模型的移动平均形式定义如下：
线性 (Holt) 指数平滑
线性指数平滑模型为 yt = μt + βtt + at。
具有平滑权重 α 和 γ 的平滑方程定义如下：
该模型等价于满足以下条件的 ARIMA(0, 2, 2) 模型：
，其中 且
模型的移动平均形式定义如下：
阻尼趋势线性指数平滑
阻尼趋势线性指数平滑模型为 yt = μt + βtt + at。
具有平滑权重 α、γ 和 ϕ 的平滑方程定义如下：
该模型等价于满足以下条件的 ARIMA(1, 1, 2) 模型：
其中
模型的移动平均形式定义如下：
季节性指数平滑
季节性指数平滑模型为 yt = μt + s(t) + at。
具有平滑权重 α 和 δ 的平滑方程定义如下：
该模型等价于一个季节性 ARIMA(0, 1, s+1)(0, 1, 0)s 模型：
其中
模型的移动平均形式定义如下：
其中，
Winters 方法（加法）
Winters 方法的加法版本的模型为 yt = μt + βtt + s(t) + at。
具有权重 α、γ 和 δ 的平滑方程定义如下：
该模型等价于按以下方式定义的一个季节性 ARIMA(0, 1, s+1)(0, 1, 0)s 模型：
模型的移动平均形式定义如下：
其中